我可以將側輸入傳遞給Apache Beam PTransforms嗎？

Question

我正在使用Apache Beam預處理TensorFlow的數據。 我想根據數據集中的示例數量選擇TFRecord分片的數量。 相關的代碼部分是：

EXAMPLES_PER_SHARD = 5.0
num_tfexamples = tfexample_strs | "count tf examples" >> beam.combiners.Count.Globally()
num_shards = num_tfexamples | ("compute number of shards" >>
                               beam.Map(lambda num_examples: int(math.ceil(num_examples / EXAMPLES_PER_SHARD))))
_ = tfexample_strs | ("output to tfrecords" >>
                      beam.io.WriteToTFRecord(OUTPUT_DIR, num_shards=beam.pvalue.AsSingleton(num_shards)))

這與堆棧跟蹤失敗：

File "/usr/local/lib/python2.7/dist-packages/apache_beam/io/iobase.py", line 1011, in start_bundle
    self.counter = random.randint(0, self.count - 1)
TypeError: unsupported operand type(s) for -: 'AsSingleton' and 'int' [while running 'output VALIDATION to tfrecords/Write/WriteImpl/ParDo(_RoundRobinKeyFn)']

我在PTransform的類定義中看到了這一行

# By default, transforms don't have any side inputs.
side_inputs = ()

是否可以將側輸入傳遞給PTransforms？ 謝謝您的幫助

Answer 1

WriteToTFRecord不支持對num_shards使用側輸入。 理論上沒有什么能阻止它這樣做（並且在Java SDK中是可能的），它只是沒有在Python SDK中實現。 隨意提交JIRA 。